Justificación: el presente analisis estadístico propone estimar el monto a invertir por un inversionista, teniendo en cuenta las variables que componen la base con la información recopilada de su interacción con el producto.

Con la anterior información se puede ser mas especifico con el portafolio que se le ofrezca a un inversionistas actual y potencial, de cara a generar una diversificación del uso de las alternativas de inversión en personas que han tomado cercanía con la oferta de valor de a2censo.

knitr::opts_chunk$set(echo = F)
knitr::opts_chunk$set(echo = F)
library(readxl)
library(ggplot2)
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(fBasics)

## Loading required package: timeDate

## Loading required package: timeSeries

library(MASS)

## 
## Attaching package: 'MASS'

## The following object is masked from 'package:dplyr':
## 
##     select

library(corrgram)
library(gclus)

## Loading required package: cluster

library(descr)
library(GGally)

## Registered S3 method overwritten by 'GGally':
##   method from   
##   +.gg   ggplot2

library(agricolae)

## 
## Attaching package: 'agricolae'

## The following objects are masked from 'package:timeDate':
## 
##     kurtosis, skewness

library(plotly)

## 
## Attaching package: 'plotly'

## The following object is masked from 'package:MASS':
## 
##     select

## The following object is masked from 'package:timeSeries':
## 
##     filter

## The following object is masked from 'package:ggplot2':
## 
##     last_plot

## The following object is masked from 'package:stats':
## 
##     filter

## The following object is masked from 'package:graphics':
## 
##     layout

library(fdth)

## 
## Attaching package: 'fdth'

## The following objects are masked from 'package:stats':
## 
##     sd, var

library(caTools)
library(ROCR)
library(pROC)

## Type 'citation("pROC")' for a citation.

## 
## Attaching package: 'pROC'

## The following object is masked from 'package:fdth':
## 
##     var

## The following objects are masked from 'package:stats':
## 
##     cov, smooth, var

library(car)

## Loading required package: carData

## 
## Attaching package: 'car'

## The following object is masked from 'package:fBasics':
## 
##     densityPlot

## The following object is masked from 'package:dplyr':
## 
##     recode

library(foreign)
library(apaTables)
library(PerformanceAnalytics)

## Loading required package: xts

## Loading required package: zoo

## 
## Attaching package: 'zoo'

## The following object is masked from 'package:timeSeries':
## 
##     time<-

## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric

## 
## Attaching package: 'xts'

## The following objects are masked from 'package:dplyr':
## 
##     first, last

## 
## Attaching package: 'PerformanceAnalytics'

## The following objects are masked from 'package:agricolae':
## 
##     kurtosis, skewness

## The following objects are masked from 'package:timeDate':
## 
##     kurtosis, skewness

## The following object is masked from 'package:graphics':
## 
##     legend

library(psych)

## 
## Attaching package: 'psych'

## The following object is masked from 'package:car':
## 
##     logit

## The following object is masked from 'package:fBasics':
## 
##     tr

## The following object is masked from 'package:timeSeries':
## 
##     outlier

## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha

library(corrr)
library(igraph)

## 
## Attaching package: 'igraph'

## The following object is masked from 'package:plotly':
## 
##     groups

## The following object is masked from 'package:agricolae':
## 
##     similarity

## The following objects are masked from 'package:gclus':
## 
##     diameter, star

## The following objects are masked from 'package:dplyr':
## 
##     as_data_frame, groups, union

## The following objects are masked from 'package:stats':
## 
##     decompose, spectrum

## The following object is masked from 'package:base':
## 
##     union

library(corrgram)
library(gclus)
library(GGally)
library(gvlma)

ANÁLISIS ESTADÍSTICO BASE DE DATOS INVERSIONISTAS DE A2CENSO

Resumen univariado de variables cualitativas

Variable 1: SectorCampaña

Esta variable agrupa el conjunto de actividades productivas o comerciales que reúnen una serie de características similares en relación con una o más campañas, es decir, son negocios que cuentan con una naturaleza común. Mediante el siguiente análisis de frecuencias, se busca determinar cual sector de campaña cuenta con una mayor aceptación por parte de los inversionista

SectorCampaña_	Freq	porcentaje	cum_frequencia	cum_porcentaje
Agroindustria	77	0.0029938	77	0.0029938
Alcantarillado	610	0.0237170	687	0.0267107
Alojamiento Y Servicios De Comida	2593	0.1008165	3280	0.1275272
Automotriz	1092	0.0424572	4372	0.1699844
Comercio al por mayor	2723	0.1058709	7095	0.2758554
Comercio Al Por Menor	2307	0.0896967	9402	0.3655521
Educación	125	0.0048600	9527	0.3704121
Entretenimiento	155	0.0060264	9682	0.3764386
Industrías Creativas Y Culturales	104	0.0040435	9786	0.3804821
Información y Comunicaciones	1941	0.0754666	11727	0.4559487
Inmobiliarias	2324	0.0903577	14051	0.5463064
Investigación y Ciencias	1531	0.0595257	15582	0.6058320
Manufactura	4166	0.1619751	19748	0.7678072
Salud	569	0.0221229	20317	0.7899300
Saneamiento Ambiental	714	0.0277605	21031	0.8176905
Servicios Administrativos	2532	0.0984448	23563	0.9161353
Servicios Domésticos	142	0.0055210	23705	0.9216563
Servicios Energéticos	1033	0.0401633	24738	0.9618196
Transporte y Almacenamiento	982	0.0381804	25720	1.0000000

Podemos evidenciar que las campañas de inversión que mayor tracción de inversionistas tuvieron, se encontraban asociadas con los sectores económicos de Manufactura (n= 4166), Comercio al por mayor (n= 2724)y Alojamiento y servicios de comida (n = 2593), por otro lado las campañas asociadas a sectores económicos de:Agroindustria (n=77), industrias creativas (n=104) y educación (n=124)fueron los 3 sectores económicos que menor tracción de numero de inversionistas tuvieron.

Variable 2: Campaña

Esta variable está relacionada con las empresas o compañías que solicitan financiación para la ejecución de proyectos dentro de un sector económico en particular. Con la siguiente exploración se busca determinar la frecuencia de los lanzamientos de financiación que realizan cada una de las campañas inscritas al crowfunding de a2censo.

	Campaña	Freq	porcentaje	cum_frequencia	cum_porcentaje
72	Resuelve tu deuda 2.0	1531	0.0595257	17802	0.6921462
74	RobinFood 2.0	1383	0.0537714	19656	0.7642302
41	Habi.co	1272	0.0494557	11866	0.4613530
7	Alife Health	1062	0.0412908	1932	0.0751166
21	De Celuventas a Refurbi	947	0.0368196	6023	0.2341757
37	Genersa	871	0.0338647	9583	0.3725894
32	Elepha 2.0	777	0.0302100	8034	0.3123639
89	T4 tea for you	742	0.0288491	23167	0.9007387
38	Geofuturo	714	0.0277605	10297	0.4003499
91	Tower One Wireless	674	0.0262053	23990	0.9327372
80	Servisépticos	610	0.0237170	20879	0.8117807
18	Coaspharma	507	0.0197123	4724	0.1836703
47	Lentesplus.com	502	0.0195179	13508	0.5251944
73	Robin Foods	471	0.0183126	18273	0.7104588
92	Trading solutions	467	0.0181571	24457	0.9508942
88	T4 Tea For U	370	0.0143857	22425	0.8718896
10	Aoxlab	366	0.0142302	2733	0.1062597
33	FAW Trucks	354	0.0137636	8388	0.3261275
11	Asadores El Barril	348	0.0135303	3081	0.1197900
46	Leal	342	0.0132970	13006	0.5056765
43	La Lonchera	339	0.0131804	12262	0.4767496
12	Asfrio	333	0.0129471	3414	0.1327372
44	La Mayorista 2.0	329	0.0127916	12591	0.4895412
71	Resuelve Tu Deuda en casa.	314	0.0122084	16271	0.6326205
82	Smoking Burgers	275	0.0106921	21351	0.8301322
101	Verdeex	274	0.0106532	25720	1.0000000
50	Mayorista	267	0.0103810	14061	0.5466952
8	ALINORTE	259	0.0100700	2191	0.0851866
28	Ecosembrar	259	0.0100700	6985	0.2715785
16	Celuventas	257	0.0099922	4030	0.1566874
83	Staffing on Demand en expansión.	252	0.0097978	21603	0.8399300
94	Tu Orden	233	0.0090591	24783	0.9635692
49	Mascotas Bichos 2.0	232	0.0090202	13794	0.5363142
19	Coltrade	231	0.0089813	4955	0.1926516
2	93 Luxury Suites	228	0.0088647	337	0.0131026
60	Parrilla Libanesa	224	0.0087092	15120	0.5878694
6	ALFALEGACY	223	0.0086703	870	0.0338258
81	SMART	197	0.0076594	21076	0.8194401
78	Satlock	189	0.0073484	20125	0.7824650
17	CKT Global	187	0.0072706	4217	0.1639580
40	Go Green 2da campaña	178	0.0069207	10594	0.4118974
9	Andamas	176	0.0068429	2367	0.0920295
51	Minca Electric – Definiendo la nueva era de movilidad alternativa	170	0.0066096	14231	0.5533048
15	Bitwan	169	0.0065708	3773	0.1466952
100	Ventur Group	167	0.0064930	25446	0.9893468
86	Superlikers	165	0.0064152	21998	0.8552877
67	Proyemetal	164	0.0063764	15765	0.6129471
85	Super Karts Kids	155	0.0060264	21833	0.8488725
23	De Una Grúas	150	0.0058320	6257	0.2432737
90	Tiendapp	149	0.0057932	23316	0.9065319
26	Distritornillos	146	0.0056765	6598	0.2565319
79	Sensum	144	0.0055988	20269	0.7880638
34	Ferroeléctricos Medellín	139	0.0054044	8527	0.3315319
56	Nominapp	139	0.0054044	14683	0.5708787
25	Digident	136	0.0052877	6452	0.2508554
27	Diveco	128	0.0049767	6726	0.2615086
29	Edex	125	0.0048600	7110	0.2764386
20	Coss	121	0.0047045	5076	0.1973561
36	Fundación Junfe	121	0.0047045	8712	0.3387247
13	Aurelio Pizzería	120	0.0046656	3534	0.1374028
5	Alegra POS (Punto de Venta)	119	0.0046267	647	0.0251555
39	Go Green	119	0.0046267	10416	0.4049767
64	Producción margarina de untar hecha con aceite de oliva extra virgen	118	0.0045879	15446	0.6005443
54	Mister Tru 2da campaña	114	0.0044323	14486	0.5632193
98	Velonet 3ª Campaña	113	0.0043935	25196	0.9796267
75	SAC logística	112	0.0043546	19768	0.7685848
1	8Bits	109	0.0042379	109	0.0042379
77	Saludtools	109	0.0042379	19936	0.7751166
96	Velonet	109	0.0042379	24975	0.9710342
97	Velonet 2ª Campaña	108	0.0041991	25083	0.9752333
4	Ad In Publicidad	104	0.0040435	528	0.0205288
65	Proton IoT	103	0.0040047	15549	0.6045490
93	Transporte y logística que transforma sueños en objetivos cumplidos.	93	0.0036159	24550	0.9545101
62	PlusAseo	91	0.0035381	15277	0.5939736
31	Ele de Colombia	88	0.0034215	7257	0.2821540
3	Abriendo el sol a Colombia	87	0.0033826	424	0.0164852
70	Red de Accesorios. Salud visual	85	0.0033048	15957	0.6204121
22	De Raíz	84	0.0032659	6107	0.2374417
57	Oasis	84	0.0032659	14767	0.5741446
95	Vain	83	0.0032271	24866	0.9667963
99	Vendty	83	0.0032271	25279	0.9828538
59	Panela Oro del Valle	77	0.0029938	14896	0.5791602
52	MISOL	75	0.0029160	14306	0.5562208
84	SUMMA experto en importación y distribución de tuberías y derivados	75	0.0029160	21678	0.8428460
45	La Parla WorkCafé	73	0.0028383	12664	0.4923795
14	Beagle Group	70	0.0027216	3604	0.1401244
68	Queo Access, ingresos inteligentes para la prevención del COVID	68	0.0026439	15833	0.6155910
53	Mister Tru	66	0.0025661	14372	0.5587869
61	Pirani	66	0.0025661	15186	0.5904355
35	Financia una oportunidad para la mujer rural colombiana	64	0.0024883	8591	0.3340202
24	Desarrollo de una placa reabsorbible para uso en cirugía reconstructiva	59	0.0022939	6316	0.2455677
30	EDS Puerto Velero	59	0.0022939	7169	0.2787325
76	Sajú	59	0.0022939	19827	0.7708787
55	MONTERRA	58	0.0022551	14544	0.5654743
42	Imagine Apps	57	0.0022162	11923	0.4635692
87	Syscom	57	0.0022162	22055	0.8575039
48	Mascotas Bichos	54	0.0020995	13562	0.5272939
58	Orso to go	52	0.0020218	14819	0.5761664
66	ProveDeluxe	52	0.0020218	15601	0.6065708
63	Plusaseo Hogar	51	0.0019829	15328	0.5959565
69	Recology	39	0.0015163	15872	0.6171073

Si bien esta variable no es tan relevante para el analisis de la investigación puesto que la cantidad de campañas y empresas financiadas es muy amplia y cada uno tiene un comportamiento específico, podemos encontrar tan solo hay 4 campañas que lograron reunir más de 1000 inversionistas, entre ellas se encuentra a) Resuelve tu deuda 2.0(n=1531), b) RobinFood 2.0 (n=1383), c) Habi.co, (n=1135) y d) Alife Health, (n=1062) y por tanto podríamos concluír que son las 4 campañas con mayor tracción, aspectos que pueden estar relacionados con la tasa ofertada, y otras variables no medidas como la inversion en publicidad que hicieron estas compañías de su campaña

Variable 3: Departamento

Con esta variable se buscar conocer el grado de participación de los inversionistas así como de las campañas en el territorio colombiano.

	Departamento	Freq	porcentaje	cum_frequencia	cum_porcentaje
4	Bogotá	15026	0.5842146	19715	0.7665241
1	Antioquia	4207	0.1635692	4207	0.1635692
28	Valle del Cauca	1534	0.0596423	25720	1.0000000
14	Cundinamarca	1260	0.0489891	22207	0.8634137
25	Santander	688	0.0267496	23957	0.9314541
3	Atlantico	477	0.0185459	4689	0.1823095
7	Caldas	346	0.0134526	20589	0.8005054
6	Boyaca	323	0.0125583	20243	0.7870529
23	Risaralda	295	0.0114697	23266	0.9045879
22	Quindio	230	0.0089425	22971	0.8931182
5	Bolivar	205	0.0079705	19920	0.7744946
27	Tolima	182	0.0070762	24186	0.9403577
20	Norte de Santander	164	0.0063764	22736	0.8839813
19	Narino	114	0.0044323	22572	0.8776050
15	Huila	113	0.0043935	22320	0.8678072
10	Cauca	102	0.0039658	20771	0.8075816
18	Meta	100	0.0038880	22458	0.8731726
13	Cordoba	97	0.0037714	20947	0.8144246
11	Cesar	78	0.0030327	20849	0.8106143
9	Casanare	55	0.0021384	20669	0.8036159
26	Sucre	47	0.0018274	24004	0.9332815
17	Magdalena	30	0.0011664	22358	0.8692846
8	Caqueta	25	0.0009720	20614	0.8014774
16	La Guajira	8	0.0003110	22328	0.8681182
2	Arauca	5	0.0001944	4212	0.1637636
21	Putumayo	5	0.0001944	22741	0.8841757
24	San Andres y Providencia	3	0.0001166	23269	0.9047045
12	Choco	1	0.0000389	20850	0.8106532

De otro lado, si bien es esperado que la mayor participación de inversionistas se encuentren ubicados en Bogotá (n= 15032), resulta llamativo observar las participaciones que se tienen en otros departamentos como Antioquia (n= 4207) , Valle del cauca (n= 1534), cundinamarca (n= 1260) santander (n= 688) y atlantico (n= 477).

Variable 4: Sector Económico del inversionista

Esta variable categórica es muy relevante para nuestro análisis estadístico, toda vez que nos permite conocer de primera mano los sectores económicos de los inversionistas interesados en las campañas publicitarias que ofrece a2censo, así como la capacidad de inversión para financiar los distintos proyectos que ofrece la compañía.

	SectorEconomico	Freq	porcentaje	cum_frequencia	cum_porcentaje
20	PERSONA NATURAL	11467	0.4458398	23261	0.9043935
14	INVESTIGACIÓN Y CIENCIAS	4893	0.1902411	10784	0.4192846
12	INFORMACIÓN Y COMUNICACIONES	2672	0.1038880	5729	0.2227449
25	SERVICIOS ADMINISTRATIVOS	1337	0.0519829	25314	0.9842146
9	EDUCACIÓN	938	0.0364697	2484	0.0965785
23	SALUD	711	0.0276439	23976	0.9321928
7	COMERCIO AL POR MENOR	583	0.0226672	1236	0.0480560
17	MANUFACTURA	552	0.0214619	11398	0.4431571
10	FINANCIERO	403	0.0156687	2887	0.1122473
28	TRANSPORTE Y ALMACENAMIENTO	318	0.0123639	25720	1.0000000
8	CONSTRUCCIÓN	310	0.0120529	1546	0.0601089
18	MINERÍA	277	0.0107698	11675	0.4539269
3	AGROINDUSTRIA	170	0.0066096	325	0.0126361
11	INDUSTRÍAS CREATIVAS Y CULTURALES	170	0.0066096	3057	0.1188569
13	INMOBILIARIAS	162	0.0062986	5891	0.2290435
6	COMERCIO AL POR MAYOR	157	0.0061042	653	0.0253888
2	ADMINISTRACIÓN PÚBLICA Y DEFENSA	148	0.0057543	155	0.0060264
19	OTROS SERVICIOS	119	0.0046267	11794	0.4585537
4	ALOJAMIENTO Y SERVICIOS DE COMIDA	114	0.0044323	439	0.0170684
27	SERVICIOS ENERGÉTICOS	66	0.0025661	25402	0.9876361
5	AUTOMOTRIZ	57	0.0022162	496	0.0192846
15	MANTENIMIENTO DE EQUIPOS	57	0.0022162	10841	0.4215008
26	SERVICIOS DOMÉSTICOS	22	0.0008554	25336	0.9850700
1	ACUEDUCTO	7	0.0002722	7	0.0002722
16	MANTENIMIENTO Y CUIDADO TEXTIL	5	0.0001944	10846	0.4216952
21	REPARACIÓN DE ACCESORIOS PARA EL HOGAR	2	0.0000778	23263	0.9044712
22	REPARACIÓN DE ENSERES	2	0.0000778	23265	0.9045490
24	SEGUROS DE SERVICIOS SOCIALES DE RIESGOS PROFESIONALES	1	0.0000389	23977	0.9322317

## Warning: 'pie' objects don't have these attributes: 'autosize'
## Valid attributes include:
## '_deprecated', 'automargin', 'customdata', 'customdatasrc', 'direction', 'dlabel', 'domain', 'hole', 'hoverinfo', 'hoverinfosrc', 'hoverlabel', 'hovertemplate', 'hovertemplatesrc', 'hovertext', 'hovertextsrc', 'ids', 'idssrc', 'insidetextfont', 'insidetextorientation', 'label0', 'labels', 'labelssrc', 'legendgroup', 'legendgrouptitle', 'legendrank', 'marker', 'meta', 'metasrc', 'name', 'opacity', 'outsidetextfont', 'pull', 'pullsrc', 'rotation', 'scalegroup', 'showlegend', 'sort', 'stream', 'text', 'textfont', 'textinfo', 'textposition', 'textpositionsrc', 'textsrc', 'texttemplate', 'texttemplatesrc', 'title', 'transforms', 'type', 'uid', 'uirevision', 'values', 'valuessrc', 'visible', 'key', 'set', 'frame', 'transforms', '_isNestedKey', '_isSimpleKey', '_isGraticule', '_bbox'

La mayor proporsion de inversionistas autodenominan su actividad económica como persona natural (n= 11471), siendo que es la opcion mas entendible para usuarios que no conocen estas clasificaciones económicas, no obtante resulta llamativo observar la participacion de personas que se dedican a actividades de investigación y ciencias (n= 4893), información y comunicaciones (n= 2672) y servicios administrativos (n= 1337) en donde podemos encontrar posiblemente un proporsion de inversionistas asalariados que usan sus excedentes de dinero en inversiones en a2censo.

Variable 5: Tipo Inversionista

Esta variable categórica es usada por a2censo para segmentar la población que aplica a las distintas campañas de inversión en función del interés y nivel de experticia en los actuales ecosistemas de inversión y financiación.

	TipoInversionista	Freq	porcentaje	cum_frequencia	cum_porcentaje
2	NO CALIFICADO	25674	0.9982115	25720	1.0000000
1	CALIFICADO	46	0.0017885	46	0.0017885

Por otro lado, podemos encontrar que la proporsion de inversionistas que se autodenominan inversionistas calificados y que han invertido en a2censo es muy baja (n= 46), respecto a los inversionistas no calificados (n= 25680) representando una oportunidad de abordar más a este nicho de inversionistas calificados con este producto y hacer un mayor detalle a su comportamiento de inversión.

Variable 6: Propósito del inversionista en A2censo

Mediante esta variable categórica, a2censo busca conocer la finalidad o el objetivo de inversión de cada uno de los inversionistas, así como la correlación que pueda existir entre estos objetivos y las campañas realizadas, para brindar mejores opciones por parte de la compañía y por consiguiente acrecentar la motivación y confianza de los clientes.

	Proposito	Freq	porcentaje	cum_frequencia	cum_porcentaje
6	Rentabilizar portafolio de inversión	12063	0.4690124	25720	1.0000000
4	Diversificar mi portafolio de inversión	9032	0.3511664	13198	0.5131415
1	Apoyar el crecimiento de las empresas	3027	0.1176905	3027	0.1176905
2	Aprender de financiación	1138	0.0442457	4165	0.1619362
5	Hacer parte de la comunidad a2censo -	459	0.0178460	13657	0.5309876
3	Conectarme con posibles aliados	1	0.0000389	4166	0.1619751

De acuerdo a los anteriores analisis podemos evidenciar como la mayoria de inversionistas actuales siguen propósitos de inversión asociados al crecimiento y rentabilidad del dinero y el portafolio de inversión actual (n = 12066); y por otro lado a la diversificación del portafolio de inversion ( n= 9034). No obstante podemos encontrar que hay un 11.8% de la muestra que tienen fines filantrópicos de apoyar el emprendimiento Colombiano (n = 3027).

Variable 7: Grupo de Edad

Mediante esta variable categórica, a2censo realizad una segmentación de los clientes por grupo etario, el cual brinda información de gran importancia a la compañía al momento de lanzar un proyecto de inversión, toda vez que le permite predecir de antemano la población objetivo en función de la edad.

	GrupoEdad	Freq	porcentaje	cum_frequencia	cum_porcentaje
2	Entre 25 y 35	12048	0.4684292	12886	0.5010109
3	Entre 35 y 45	8786	0.3416019	21672	0.8426128
4	Entre 45 y 55	2556	0.0993779	24228	0.9419907
5	Entre 55 y 65	970	0.0377138	25198	0.9797045
1	Entre 18 y 24	838	0.0325816	838	0.0325816
6	Mayores a 65	522	0.0202955	25720	1.0000000

De acuerdo al anterior analisis, resulta interesante observar la importante participación del 47% de inversionistas jovenes entre 25 y 35 años (n = 12049) y tambien de inversionistas entre 35 y 45 años (n = 8787). No obstante la participacion de inversionistas entre 45 y 55 años (9,9%, n = 2558) no es una participación despreciable dentro del grupo total de inversionistas.

Variable 8: Grupo de Ingresos

Mediante esta variable categórica se busca agrupar a los clientes inversionistas en razón al nivel de ingresos mensuales y de esta forma tener un proyección del capital disponible al momento de realizar una campaña en particular y, del grupo de interés al cual se puede brindar el lanzamiento del proyecto. De otra parte, para fines de este análisis se proyecta conocer si existe correlación de esta variable con la proyección del monto de inversión.

	GrupoIngresos	Freq	porcentaje	cum_frequencia	cum_porcentaje
1	Entre 1M y 3M	7652	0.2975117	7652	0.2975117
2	Entre 3M y 5M	6873	0.2672240	14525	0.5647356
5	Superiores a 10M	5609	0.2180793	25720	1.0000000
3	Entre 5M y 7M	3563	0.1385303	18088	0.7032659
4	Entre 7M y 9M	2023	0.0786547	20111	0.7819207

Dentro de los inversionistas de a2censo encontramos inversionistas de tres grupos de rangos salariales predominantes, dentro de los cuales se encuentran en primer lugar una mayor proporsión de inversionistas de ingresos bajos (menor a 1 millon mensual; n= 7652), Inversionistas de ingresos medios - bajos (entre 3 y 5 millones mensuales; n= 6873), Inversionistas de ingresos altos (Superiores a 10 Millones mensuales; n = 5615).No obstante si agruparamos, podemos observar que mas del 50% de inversionistas suelen ser personas con ingresos inferiores a 5 millones de pesos.

Variable 9: Inversionistas recurrentes

Esta variable categórica está con la frecuencia de participación de cada uno de los inversionistas de a2censo en las campañas ofrecidas, el cual se categoriza a cada cliente entre frecuente o no, partiendo de un parámetro de medición previamente establecido por la compañía, ayudando en la toma de decisiones, toda vez que brinda información relevante para predecir el monto de inversión que puede llegar a tener una campaña en particular.

InvRecurr	Freq	porcentaje	cum_frequencia	cum_porcentaje
Inversionista No Recurrente	17274	0.6716174	17274	0.6716174
Inversionista Recurrente	8446	0.3283826	25720	1.0000000

Podemos evidenciar que la mayoría (67%) de inversionistas no son recurrentes ( n = 17280), Sin embargo existe una alta proporsión de inversionistas recurrentes (33%; n= 8446) que pueden ser de interés en el analisis realizado

Resumen univariado de variables cuantitativas

A continuación se presenta el analisis variable por variable en lo que respecta a información cuantitativa.

Vale la pena resaltar que dichos analisis se hicieron siguiendo la regla de establecimiento de clases de Sturges que incluye la funcion fdt del paquete fdth.

Este proceso se realizó de esta manera puesto que al realizar los analisis bajo un numero entre 3 y 7 intervalos de clase que fueron probados en cada una de las variables, la distribución de la información no permitía desagregarla en grupos que contribuyeran al analisis y que se representaran de mejor manera, en todo caso la distribución en clases bajo la regla de sturges permitió la mejor visualización de la información cuantitativa.

Variable 10: Ingresos Mes

Mediante esta variable cuantitativa, a2cendo lleva el registro del ingreso mensual reportado por el inversionista en pesos colombianos. Para el presente análisis estadístico fue seleccionada esta variable, con el propósito de establecer el nivel de correlación que existe entre el nivel de ingresos mensuales de cada inversionista con la proyección del monto de inversión.

Class limits	f	rf	rf(%)	cf	cf(%)
[999900,10658656.2)	21389	0.8316096	83.1609642	21389	83.16096
[10658656.2,20317412.5)	3345	0.1300544	13.0054432	24734	96.16641
[20317412.5,29976168.8)	383	0.0148911	1.4891135	25117	97.65552
[29976168.8,39634925)	155	0.0060264	0.6026439	25272	98.25816
[39634925,49293681.2)	115	0.0044712	0.4471229	25387	98.70529
[49293681.2,58952437.5)	48	0.0018663	0.1866252	25435	98.89191
[58952437.5,68611193.8)	39	0.0015163	0.1516330	25474	99.04355
[68611193.8,78269950)	13	0.0005054	0.0505443	25487	99.09409
[78269950,87928706.2)	37	0.0014386	0.1438569	25524	99.23795
[87928706.2,97587462.5)	29	0.0011275	0.1127527	25553	99.35070
[97587462.5,107246219)	68	0.0026439	0.2643857	25621	99.61509
[107246219,116904975)	4	0.0001555	0.0155521	25625	99.63064
[116904975,126563731)	34	0.0013219	0.1321928	25659	99.76283
[126563731,136222488)	15	0.0005832	0.0583204	25674	99.82115
[136222488,145881244)	12	0.0004666	0.0466563	25686	99.86781
[145881244,155540000)	34	0.0013219	0.1321928	25720	100.00000

	x
start	999900
end	155540000
h	9658756
right	0

## Warning in title(main = main, xlab = xlab, ylab = ylab, ...): "cex.names" is not
## a graphical parameter

## Warning in axis(2, ...): "cex.names" is not a graphical parameter

## Warning in rect(brk[-length(brk)], 0, brk[-1], y, col = col, ...): "cex.names"
## is not a graphical parameter

## Warning in axis(1, at = round(brk, x.round), las = xlas, ...): "cex.names" is
## not a graphical parameter

## Warning in plot.window(...): "cex.names" is not a graphical parameter

## Warning in plot.xy(xy, type, ...): "cex.names" is not a graphical parameter

## Warning in axis(side = side, at = at, labels = labels, ...): "cex.names" is not
## a graphical parameter

## Warning in axis(side = side, at = at, labels = labels, ...): "cex.names" is not
## a graphical parameter

## Warning in box(...): "cex.names" is not a graphical parameter

## Warning in title(...): "cex.names" is not a graphical parameter

## Warning in axis(1, at = round(brk, x.round), las = xlas, ...): "cex.names" is
## not a graphical parameter

## Warning: Ignoring unknown parameters: fill

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

De acuerdo al analisis de frecuencia podemos encontrar que un total de 21.389 que corresponde al 83% de los inversionistas se agrupan en salarios entre $990. 000 y 10.658.656 pesos siendo en rango salarial predominante. No obstante el grupo de inversionistas con ingresos entre 10.658.656 y 20.317.412 de pesos representa el 13% (n = 3345) de la muestra de inversionsitas.

Variable 11: Patrimonio

Mediante esta variable cuantitativa, a2cendo lleva el registro del valor en pesos colombianos de los activos que reporta tener el inversionista. Para el presente análisis estadístico fue seleccionada esta variable, con el propósito de establecer el nivel de correlación que existe entre el valor del patrimonio de cada inversionista con la proyección del monto de inversión.

Class limits	f	rf	rf(%)	cf	cf(%)
[990000,51833450.6)	9512	0.3698289	36.9828927	9512	36.98289
[51833450.6,102676901)	5510	0.2142302	21.4230171	15022	58.40591
[102676901,153520352)	2476	0.0962675	9.6267496	17498	68.03266
[153520352,204363803)	1597	0.0620918	6.2091757	19095	74.24184
[204363803,255207253)	1136	0.0441680	4.4167963	20231	78.65863
[255207253,306050704)	1381	0.0536936	5.3693624	21612	84.02799
[306050704,356894154)	650	0.0252722	2.5272162	22262	86.55521
[356894154,407737605)	873	0.0339425	3.3942457	23135	89.94946
[407737605,458581056)	403	0.0156687	1.5668740	23538	91.51633
[458581056,509424506)	521	0.0202566	2.0256610	24059	93.54199
[509424506,560267957)	315	0.0122473	1.2247278	24374	94.76672
[560267957,611111408)	389	0.0151244	1.5124417	24763	96.27916
[611111408,661954858)	245	0.0095257	0.9525661	25008	97.23173
[661954858,712798309)	271	0.0105365	1.0536547	25279	98.28538
[712798309,763641759)	190	0.0073872	0.7387247	25469	99.02411
[763641759,814485210)	251	0.0097589	0.9758942	25720	100.00000

	x
start	990000
end	814485210
h	50843451
right	0

## Warning in title(main = main, xlab = xlab, ylab = ylab, ...): "cex.names" is not
## a graphical parameter

## Warning in axis(2, ...): "cex.names" is not a graphical parameter

## Warning in rect(brk[-length(brk)], 0, brk[-1], y, col = col, ...): "cex.names"
## is not a graphical parameter

## Warning in axis(1, at = round(brk, x.round), las = xlas, ...): "cex.names" is
## not a graphical parameter

## Warning in plot.window(...): "cex.names" is not a graphical parameter

## Warning in plot.xy(xy, type, ...): "cex.names" is not a graphical parameter

## Warning in axis(side = side, at = at, labels = labels, ...): "cex.names" is not
## a graphical parameter

## Warning in axis(side = side, at = at, labels = labels, ...): "cex.names" is not
## a graphical parameter

## Warning in box(...): "cex.names" is not a graphical parameter

## Warning in title(...): "cex.names" is not a graphical parameter

## Warning in axis(1, at = round(brk, x.round), las = xlas, ...): "cex.names" is
## not a graphical parameter

## Warning: Ignoring unknown parameters: fill

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Por otro lado en lo que respecta al patrimonio de los inversionistas podemos encontrar que el 36% de los inversionistas que representan un total de 9.514 individuos tienen patrimonios entre 990.000 y 51.833.450. Adicionalmente podemos encontrar que el 21% (n= 5510) de los inversionistas tienen patrimonios entre 51.833.450. y 102.676.901 y una proporsión del 9% de los inversionistas ( n= ) tienen patrimonios entre 102.676.901 y 153.520.352

14: Monto Inversión

Mediante esta variable cuantitativa, a2cendo lleva el registro del valor en pesos colombianos invertidos por cada inversionista en cada una de las campañas disponibles. Para el presente análisis estadístico, fue seleccionada como variable dependiente, con el propósito de desarrollar el mejor modelo que permita a la compañía hacer una proyección de la demanda con base en las variables explicativas seleccionadas para este estudio en particular.

Class limits	f	rf	rf(%)	cf	cf(%)
[198000,520187.5)	13900	0.5404355	54.0435459	13900	54.04355
[520187.5,842375)	1842	0.0716174	7.1617418	15742	61.20529
[842375,1164563)	4175	0.1623250	16.2325039	19917	77.43779
[1164563,1486750)	568	0.0220840	2.2083981	20485	79.64619
[1486750,1808938)	791	0.0307543	3.0754277	21276	82.72162
[1808938,2131125)	1899	0.0738336	7.3833593	23175	90.10498
[2131125,2453313)	183	0.0071151	0.7115086	23358	90.81649
[2453313,2775500)	284	0.0110420	1.1041991	23642	91.92068
[2775500,3097688)	755	0.0293546	2.9354588	24397	94.85614
[3097688,3419875)	87	0.0033826	0.3382582	24484	95.19440
[3419875,3742063)	108	0.0041991	0.4199067	24592	95.61431
[3742063,4064250)	339	0.0131804	1.3180404	24931	96.93235
[4064250,4386438)	34	0.0013219	0.1321928	24965	97.06454
[4386438,4708625)	56	0.0021773	0.2177294	25021	97.28227
[4708625,5030813)	661	0.0256998	2.5699844	25682	99.85226
[5030813,5353000)	38	0.0014774	0.1477449	25720	100.00000

	x
start	198000.0
end	5353000.0
h	322187.5
right	0.0

## Warning in title(main = main, xlab = xlab, ylab = ylab, ...): "cex.names" is not
## a graphical parameter

## Warning in axis(2, ...): "cex.names" is not a graphical parameter

## Warning in rect(brk[-length(brk)], 0, brk[-1], y, col = col, ...): "cex.names"
## is not a graphical parameter

## Warning in axis(1, at = round(brk, x.round), las = xlas, ...): "cex.names" is
## not a graphical parameter

## Warning in plot.window(...): "cex.names" is not a graphical parameter

## Warning in plot.xy(xy, type, ...): "cex.names" is not a graphical parameter

## Warning in axis(side = side, at = at, labels = labels, ...): "cex.names" is not
## a graphical parameter

## Warning in axis(side = side, at = at, labels = labels, ...): "cex.names" is not
## a graphical parameter

## Warning in box(...): "cex.names" is not a graphical parameter

## Warning in title(...): "cex.names" is not a graphical parameter

## Warning in axis(1, at = round(brk, x.round), las = xlas, ...): "cex.names" is
## not a graphical parameter

## Warning: Ignoring unknown parameters: fill

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Respecto al monto invertido podemos encontrar que un 54% de los inversionistas (n= 13.904) invierten en un rango entre 198.000 pesos y 520.187 pesos,encontrandose que este es rango ded ticket mayoritatio de inversión actual. No obstante se encuentra una proporsion del 16% de los inversionistas ( n= 4175) que invierten rangos entre 842.375 pesos y 1.164.563 pesos. Por lo tanto más del 60% de los inversionistas invierten entre 198.000 pesos y 842.375 pesos

Variable: Edad

Mediante esta variable cuantitativa, a2cendo lleva el registro de la edad de cada inversionista, lo cual es un dato que se debe considerar para el presente análisis estadístico, toda vez que este dato puede afectar el cálculo de la proyección del monto de inversión.

Class limits	f	rf	rf(%)	cf	cf(%)
[17.82,22.135)	216	0.0083981	0.8398134	216	0.8398134
[22.135,26.45)	2083	0.0809876	8.0987558	2299	8.9385692
[26.45,30.765)	4741	0.1843313	18.4331260	7040	27.3716952
[30.765,35.08)	5846	0.2272939	22.7293935	12886	50.1010886
[35.08,39.395)	4610	0.1792379	17.9237947	17496	68.0248834
[39.395,43.71)	3092	0.1202177	12.0217729	20588	80.0466563
[43.71,48.025)	2228	0.0866252	8.6625194	22816	88.7091757
[48.025,52.34)	898	0.0349145	3.4914463	23714	92.2006221
[52.34,56.655)	673	0.0261664	2.6166407	24387	94.8172628
[56.655,60.97)	366	0.0142302	1.4230171	24753	96.2402799
[60.97,65.285)	445	0.0173017	1.7301711	25198	97.9704510
[65.285,69.6)	283	0.0110031	1.1003110	25481	99.0707621
[69.6,73.915)	112	0.0043546	0.4354588	25593	99.5062208
[73.915,78.23)	91	0.0035381	0.3538103	25684	99.8600311
[78.23,82.545)	21	0.0008165	0.0816485	25705	99.9416796
[82.545,86.86)	15	0.0005832	0.0583204	25720	100.0000000

	x
start	17.820
end	86.860
h	4.315
right	0.000

## Warning in title(main = main, xlab = xlab, ylab = ylab, ...): "cex.names" is not
## a graphical parameter

## Warning in axis(2, ...): "cex.names" is not a graphical parameter

## Warning in rect(brk[-length(brk)], 0, brk[-1], y, col = col, ...): "cex.names"
## is not a graphical parameter

## Warning in axis(1, at = round(brk, x.round), las = xlas, ...): "cex.names" is
## not a graphical parameter

## Warning in plot.window(...): "cex.names" is not a graphical parameter

## Warning in plot.xy(xy, type, ...): "cex.names" is not a graphical parameter

## Warning in axis(side = side, at = at, labels = labels, ...): "cex.names" is not
## a graphical parameter

## Warning in axis(side = side, at = at, labels = labels, ...): "cex.names" is not
## a graphical parameter

## Warning in box(...): "cex.names" is not a graphical parameter

## Warning in title(...): "cex.names" is not a graphical parameter

## Warning in axis(1, at = round(brk, x.round), las = xlas, ...): "cex.names" is
## not a graphical parameter

## Warning: Ignoring unknown parameters: fill

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

De acuerdo al analisis cuantitativo de la variable edad podemos encontrar que la mayor cantidad de inversionistas (22%, n = 5847) se encuentran en un rango de edad entre 31 años y 35 años. No obstante la participación de inversionistas entre los 26 años y 31 años tambien es relevante con un 18% de participación (n= 4741) y tambien el rango comprendido entre los 35 años y 39 años con un 18% de participación (n = 4611) y el rango entre 39 años y 44 años con un 12% de la participación total (n = 3092). Dicho lo anterior los inversionistas entre los 26 años y 45 años suman un total del 59% de participacion de los inversionistas siendo la edad media 35 años.

Variable 15 : Cantidad Inversiones

Class limits	f	rf	rf(%)	cf	cf(%)
[0.99,6.6725)	11094	0.4313375	43.1337481	11094	43.13375
[6.6725,12.355)	5411	0.2103810	21.0381026	16505	64.17185
[12.355,18.037)	3623	0.1408631	14.0863142	20128	78.25816
[18.037,23.72)	1649	0.0641135	6.4113530	21777	84.66952
[23.72,29.402)	1566	0.0608865	6.0886470	23343	90.75816
[29.402,35.085)	761	0.0295879	2.9587869	24104	93.71695
[35.085,40.768)	538	0.0209176	2.0917574	24642	95.80871
[40.768,46.45)	359	0.0139580	1.3958009	25001	97.20451
[46.45,52.133)	263	0.0102255	1.0225505	25264	98.22706
[52.133,57.815)	212	0.0082426	0.8242613	25476	99.05132
[57.815,63.498)	115	0.0044712	0.4471229	25591	99.49844
[63.498,69.18)	128	0.0049767	0.4976672	25719	99.99611
[69.18,74.862)	0	0.0000000	0.0000000	25719	99.99611
[74.862,80.545)	0	0.0000000	0.0000000	25719	99.99611
[80.545,86.227)	0	0.0000000	0.0000000	25719	99.99611
[86.227,91.91)	1	0.0000389	0.0038880	25720	100.00000

	x
start	0.9900
end	91.9100
h	5.6825
right	0.0000

## Warning in title(main = main, xlab = xlab, ylab = ylab, ...): "cex.names" is not
## a graphical parameter

## Warning in axis(2, ...): "cex.names" is not a graphical parameter

## Warning in rect(brk[-length(brk)], 0, brk[-1], y, col = col, ...): "cex.names"
## is not a graphical parameter

## Warning in axis(1, at = round(brk, x.round), las = xlas, ...): "cex.names" is
## not a graphical parameter

## Warning in plot.window(...): "cex.names" is not a graphical parameter

## Warning in plot.xy(xy, type, ...): "cex.names" is not a graphical parameter

## Warning in axis(side = side, at = at, labels = labels, ...): "cex.names" is not
## a graphical parameter

## Warning in axis(side = side, at = at, labels = labels, ...): "cex.names" is not
## a graphical parameter

## Warning in box(...): "cex.names" is not a graphical parameter

## Warning in title(...): "cex.names" is not a graphical parameter

## Warning in axis(1, at = round(brk, x.round), las = xlas, ...): "cex.names" is
## not a graphical parameter

## Warning: Ignoring unknown parameters: fill

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Respecto a la variable Cantidad de inversiones podemos encontrar que el promedio de inversiones es 12 inversiones. No obstante un 43% (n = 11.099) de los inversionistas han realizado entre 1 y 7 inversiones. un 21% (n = 5.412) han realizado entre 7 y 12 inversiones, un 14% (n= 3.623) han realizado entre 12 y 18 inversiones y un 6% (n = 1.649) han realizado entre 18 y 24 inversiones en la plataforma de a2censo.

Class limits	f	rf	rf(%)	cf	cf(%)
[0.0792,0.08246)	187	0.0072706	0.7270607	187	0.7270607
[0.08246,0.08571)	370	0.0143857	1.4385692	557	2.1656299
[0.08571,0.08897)	77	0.0029938	0.2993779	634	2.4650078
[0.08897,0.09223)	2636	0.1024883	10.2488336	3270	12.7138414
[0.09223,0.09548)	1581	0.0614697	6.1469673	4851	18.8608087
[0.09548,0.09874)	1289	0.0501166	5.0116641	6140	23.8724728
[0.09874,0.102)	7593	0.2952177	29.5217729	13733	53.3942457
[0.102,0.1053)	2749	0.1068818	10.6881804	16482	64.0824261
[0.1053,0.1085)	213	0.0082815	0.8281493	16695	64.9105754
[0.1085,0.1118)	3067	0.1192457	11.9245723	19762	76.8351477
[0.1118,0.115)	2284	0.0888025	8.8802488	22046	85.7153966
[0.115,0.1183)	51	0.0019829	0.1982893	22097	85.9136858
[0.1183,0.1215)	2765	0.1075039	10.7503888	24862	96.6640747
[0.1215,0.1248)	0	0.0000000	0.0000000	24862	96.6640747
[0.1248,0.128)	119	0.0046267	0.4626750	24981	97.1267496
[0.128,0.1313)	739	0.0287325	2.8732504	25720	100.0000000

	x
start	0.0792000
end	0.1313000
h	0.0032562
right	0.0000000

## Warning in title(main = main, xlab = xlab, ylab = ylab, ...): "cex.names" is not
## a graphical parameter

## Warning in axis(2, ...): "cex.names" is not a graphical parameter

## Warning in rect(brk[-length(brk)], 0, brk[-1], y, col = col, ...): "cex.names"
## is not a graphical parameter

## Warning in axis(1, at = round(brk, x.round), las = xlas, ...): "cex.names" is
## not a graphical parameter

## Warning in plot.window(...): "cex.names" is not a graphical parameter

## Warning in plot.xy(xy, type, ...): "cex.names" is not a graphical parameter

## Warning in axis(side = side, at = at, labels = labels, ...): "cex.names" is not
## a graphical parameter

## Warning in axis(side = side, at = at, labels = labels, ...): "cex.names" is not
## a graphical parameter

## Warning in box(...): "cex.names" is not a graphical parameter

## Warning in title(...): "cex.names" is not a graphical parameter

## Warning in axis(1, at = round(brk, x.round), las = xlas, ...): "cex.names" is
## not a graphical parameter

## Warning: Ignoring unknown parameters: fill

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

De acuerdo al analisis de la variable cuantitativa de tasa de adjudicación de la campaña podemos encontrar que hay dos rangos de tasas predominantes en cantidad de inversionistas, el 29.52% (n = 7595) de los inversionistas lograron tasas de adjudicacion de la inversion entre los 0.098 y el 0.102. En siguiente lugar podemos encontrar que el 12% de los inversionistas (n= 3068 )lograron tasas entre el 0.1085 y el 0.1118

Resumen de medidas de localización

Análisis Bivariado Cualitativo

#Visualización de las variables cualitativas desde la perspectiva de grupo de ingresos

A continuación el analisis bivariado cualitativo se realizará comparando las variables cualitativas contra la variable de grupo ingresos

## Warning: Use of `BDa2censo$GrupoIngresos` is discouraged. Use `GrupoIngresos`
## instead.

## Warning: Use of `BDa2censo$SectorCampaña` is discouraged. Use `SectorCampaña`
## instead.

A partir del anterior grafico podemos observar la concentración de inversionistas con ingresos superiores a 10M de pesos en sectores económicos de manufactura y servicios administrativos, en los cuales la pacticipacion de personas con ingresos entre 3M y 5M también es relevante.

Resulta interesante observar que en general las empresas financiadas en a2censo que pertenecen al sector de manufactura Servicios administrativos e inmobiliarias, demuestran mayor traccion de inversionistas de alto capital y medio-bajo capital caraterizandose por tener inversionistas con ingresos superiories a 10 millones, y entre 3 y 5 MM

## Warning: Use of `BDa2censo$GrupoIngresos` is discouraged. Use `GrupoIngresos`
## instead.

## Warning: Use of `BDa2censo$Departamento` is discouraged. Use `Departamento`
## instead.

Lejos de encontrar relevante sacar alguna conclusión de acuerdo al rango de ingresos, de manera general podemos observar que departamentos como valle del cauca, Santander, Antioquia son regiones potenciales para atracción de inversionistas en donde a2censo no ha tenido una alta participacion a nivel de marketing o acercamiento con inversionistas. Para el caso de Bogotá podemos evidenciar como la proporsion de inversionistas con rangos de ingresos medios- bajos (3 a 5 millones) y medios altos (superior a 10 millones) es predominante

## Warning: Use of `BDa2censo$GrupoIngresos` is discouraged. Use `GrupoIngresos`
## instead.

## Warning: Use of `BDa2censo$CodEsInversionistaRecurrente` is discouraged. Use
## `CodEsInversionistaRecurrente` instead.

De acuerdo a la anterior grafica podemos observar como los inversionistas recurrentes son en mayor medida personas con ingresos superiores a 10 M, aun cuando hay una proporsion importante de inversionistas recurrentes con ingresos entre 3M y 5M que no son necesariamente de un alto rango de ingresos y aun asi estan viendo una oportunidad recurrente de invertir en el mercado

En el caso de los inversionistas no recurrentes podemos encontrar como una importante proporsion de inversionistas son personas con ingresos entre 1 M a 5 M

## Warning: Use of `BDa2censo$GrupoIngresos` is discouraged. Use `GrupoIngresos`
## instead.

## Warning: Use of `BDa2censo$GrupoEdad` is discouraged. Use `GrupoEdad` instead.

Realizando un analisis bivariado entre el grupo de edad y el rango de ingresos resulta interesante observar la participacion que tienen personas entre rangos de edad de 25 a 35 con ingresos entre 1 a 5 millones de pesos los cuales representan un volumen importante, no obstante volumenes similares se observan el personas con edades entre 35 y 45 años suelen ser en mayor medida personas con ingresos superiores a 10 millones de pesos.

#Visualización de las variables cualitativas desde la perspectiva de grupo de edad

A continuación el analisis bivariado cualitativo se realizará comparando las variables contra la variable de grupo de edad.

## Warning: Use of `BDa2censo$GrupoEdad` is discouraged. Use `GrupoEdad` instead.

## Warning: Use of `BDa2censo$SectorCampaña` is discouraged. Use `SectorCampaña`
## instead.

Podemos observar que de manera general independiente al sector economico de la empresa financiada, los grupos poblacionales que más invierten en a2censo se encuentran entre 25 y 45 años , no obstante se observa una interesante participación de personas mayores de 65 años en las campañas de tecnología , servicios alimenticios y salud

## Warning: Use of `BDa2censo$GrupoEdad` is discouraged. Use `GrupoEdad` instead.

## Warning: Use of `BDa2censo$Departamento` is discouraged. Use `Departamento`
## instead.

No es el grupo poblacional mas grande dentro de la comunidad de inversionistas, no obstante puede ser un grupo de atención las personas entre 45 y 55 años los cuales pueden ser un segmento a desarrollar en Bogotá, Antioquia y valle del cauca

## Warning: Use of `BDa2censo$GrupoEdad` is discouraged. Use `GrupoEdad` instead.

## Warning: Use of `BDa2censo$CodEsInversionistaRecurrente` is discouraged. Use
## `CodEsInversionistaRecurrente` instead.

Del anterior grafico podemos concluir que para el caso de los inversionistas recurrentes hay una leve proporsion mayor de inversionistas en rangos de edades entre 35 y 45 años mientras que esta proporsion mayor de inversionistas no recurrentes de centra en personas entre 25 y 35 años, aun cuando ambos grupos de edades son predominantes estos dos grupos de edades

#Visualización de las variables cualitativas desde la perspectiva de inversionista recurrente

A continuación el analisis bivariado cualitativo se realizará comparando las variables contra la variable de categorización si es un inversionista recurrente o no lo es.

## Warning: Use of `BDa2censo$CodEsInversionistaRecurrente` is discouraged. Use
## `CodEsInversionistaRecurrente` instead.

## Warning: Use of `BDa2censo$SectorCampaña` is discouraged. Use `SectorCampaña`
## instead.

De manera general se puede observar que la cantidad de inversionistas NO recurrentes es mayor para todos los sectores economicos de las empresas financiadas, es una distribución muy acorde al numero de inversionistas sin considerar si es recurrente o no. No obstante llama la atención la proporsion grande que mantienen los inversionistas recurrentes en sector económico de manufactura

## Warning: Use of `BDa2censo$CodEsInversionistaRecurrente` is discouraged. Use
## `CodEsInversionistaRecurrente` instead.

## Warning: Use of `BDa2censo$Departamento` is discouraged. Use `Departamento`
## instead.

Se puede evidencia la alta proporsión de inversionistas recurrentes ubicados en Bogotá

## Warning: Use of `BDa2censo$CodEsInversionistaRecurrente` is discouraged. Use
## `CodEsInversionistaRecurrente` instead.

## Warning: Use of `BDa2censo$GrupoEdad` is discouraged. Use `GrupoEdad` instead.

De la anterior grafica resulta interesante observar que actualmente la cantidad de inversionistas recurrentes son mas en personas entre 25 y 45 años, en donde podemos observar que para este rango de edad entre 25 y 35 años la mayor cantidad de inversionistas son no recurrentes

2. Resumen Bivariado entre variables Cualitativas y cuantitativas

A continuación se realizará un analisis Bivariado que contemple una de las variables cualitativas de mayor interés del estudio en cuestión, respecto a una de las variables cuantitativas evaluadas.

1. Analisis de las variables desde el monto invertido

Del anterior diagrama de cajas y bigotes podemos concluir que aunque desde la correlacion lineal simple no se encuentra correlacion dada la alta dispersion de los datos que se tienen, a nivel del analisis de la media del monto invertido parece comportarse de manera acorde al rango de ingresos en donde podemos observar que a mayor rango de ingresos la media de monto invertido va incrementando proporsionalmente. El unico rango de ingresos que muestra un comportamiento atipico es el de los inversionistas con rangos de ingresos entre 7 y 9 millones mensuales, quienes muestran tener un promedio de inversión mayor incluso que las personas con ingresos mayores a 10 millones.

De manera similar al anterior grafico podemos encontrar que a) la mayor dispersión de datos respecto a ingresos mes se encuentra en las personas con ingresos superiores a 10 millones de pesos, no obstante desde el analisis de medidas de tendencia central y dispersión podemos observar menores desviaciones estandar en lo que respecto a ingresos menores a 10 millones de pesos

De manera similar, la medida de tendencia central es acorde a la conclusión de que un mayor promedio de patrimonio reportado es acorde a un mayor rango de ingresos, no obstante la dispersión no permitiría generalizar esta observación para todos los sujetos encontrandose sujetos con alto patrimonio en ingresos entre 1 y 7 millones, lo cual puede hablar de la calidad de la información que están diligenciando los inversionistas

De acuerdo con el comportamiento que muchas veces se ha observado en las estadisticas Nacionales podemos observar que a mayor edad el promedio de ingresos es mayor encontrandose que el promedio de edad de nuestros inversionistas se encuentra en mayor medida entre los 30 y 40 ños

Si bien hay outliers en todos los rangos de ingresos, desde la tendencia central podemos ver que el mayor foco de inversionistas recurrentes se encuentra en personas con ingresos entre 7 a 10 millones de pesos

#2. Analisis desde el tipo de inversionista (Recurrente o no Recurrente)

Desde el promedio podemos concluir que los inversionistas NO recurrentes invierten en promedio los mismos montos que inversionistas recurrentes, no obtante la dispersión de los datos no permite encontrar dicha relacion

Los inversionistas recurrentes pueden llegar a tener un promedio de ingresos levemente mayor a los inversionistas no recurrentes

Los inversionistas Recurrentes llegan a tener un promedio de patrimonio superior, aun cuando hay personas consideradas inversionistas no recurrentes con un muy alto nivel de patrimonio

Los inversionistas recurrentes tiene un promedio de edad mayor, lo cual puede estar asociado con la siguiente grafica en donde observamos que en este rango de edad dichas inversiones recurrentes pueden estar asociadas con propositos de inversión como diversificar portafolio, aprender de financiación o sencillamente rentabilidad

Aqui podemos observar que no se evidencia alguna relación entre la edad y el propósito, es decir que tanto personas jovenes como viejas se distribuyen entre los diferentes propósitos de inversión.

Resulta interesante identificar que el promedio de numero de inversiones es superior respecto a propósitos de inversion asociados a la diversificación, por el contrario aquellos que han invertido con objetivos de conexión con otros posibles aliados son en promedio menos cantidades de inversiones

Llama la atención observar que en general el promedio del monto invertido es mayor en personas con propósitos de diversificar el portafolio de inversión, en donde puede haber una mayor posibilidad de profesionalizar al inversionista.

3. Resumen Multivariado entre variables Cualitativas y cuantitativas

A continuación se realizará un analisis Multivariado que contemple dos de las variables cualitativas de mayor interés del estudio en cuestión, respecto a las variables cuantitativas evaluadas que permiten entender el comportamiento de inversión. Dichas variables son el monto invertido y la recurrencia de inversión

Analisis del propósito de inversión a la luz de las variables de interés cualitativas y cuantitativas

## 
## Attaching package: 'tidyr'

## The following object is masked from 'package:igraph':
## 
##     crossing

## `summarise()` has grouped output by 'Propósito'. You can override using the
## `.groups` argument.

Del anterior grafico podemos observar como de manera general el promedio de monto invertido incrementa con el rango de edad, en donde podemos observar que los mayores montos promedios invertidos concuerdan con un interés de diversificar el portafolio de inversión en personas mayores de 55 años

Analisis de la cantidad de inversiones realizadas respecto al grupo de edad y el propósito de inversión

## `summarise()` has grouped output by 'Propósito'. You can override using the
## `.groups` argument.

Respecto a la cantidad de inversiones realizadas resulta llamativo observar que personas entre 55 y 65 años tienen un proposito de afiliación a la comunidad de a2censo y en general son las personas con mayor recurrencia de inversiones desde los datos promedio de inversiones realizadas

Analisis de la cantidad de inversiones realizadas respecto al sector económico de la campaña y el propósito de inversión

## `summarise()` has grouped output by 'Propósito'. You can override using the
## `.groups` argument.

Desde los valores promedio de monto invertido resulta llamativo observar que los montos de inversión incrementan a medida que los rangos salariales tambien incrementan

## `summarise()` has grouped output by 'Propósito'. You can override using the
## `.groups` argument.

Por otro lado si se analizan los rangos de ingresos y propósitos a la luz del promedio de inversiones realizadas podemos ver como personas con mayores ingresos y con interés de diversificar el portafolio de inversion son quienes mas inversiones recurrentes realizan. No obstante hay un grupo de personas de bajos ingresos entre 1 y3 millones mensualees con interéses de afiliación a la comunidad de a2censo que estan invirtiendo en promedio 15 veces, demostrando una recurrencia de inversiones de bajos montos

#Analisis desde la recurrencia de inversión a la luz de las demás variables de interés cualitativas y cuantitativas

## `summarise()` has grouped output by 'CodEsInversionistaRecurrente'. You can
## override using the `.groups` argument.

Podemos encontrar como los montos promedios invertidos suelen ser mayores en inversionistas no recurrentes con rangos de edad superiores a los 55 años

## `summarise()` has grouped output by 'CodEsInversionistaRecurrente'. You can
## override using the `.groups` argument.

Podemos encontrar como en inversionistas recurrentes el promedio de inversiones es 6 inversiones respecto a mas o menos 20 inversiones que suelen realizar los inversionistas recurrentes

#Analisis desde los rangos de edad y rangos de ingresos a la luz de las variables cuantitativas de interés

## `summarise()` has grouped output by 'GrupoIngresos'. You can override using the
## `.groups` argument.

ahora bien, al realizar el analisis entre rangos de edad y de ingresos podemos observar como los mayores valores promedio de inversión se encuentran en personas con ingresos entre 3y 5 millones de mas de 65 años. personas con ingresos entre 7 y 9 millones con rangos de eedad entre 55 a 65 y las personas con ingresos de mas de 10 millones de pesos.

Analisis

## `summarise()` has grouped output by 'GrupoIngresos'. You can override using the
## `.groups` argument.

Finalmente podemos observar que de acuerdo al valor promedio de inversiones realizads, los grupos con mayor recurrencia de inversión se encuentra en las edades entre 45 y 55 años con ingresos entre 7 y 9 millones. Por otro lado personas con ingresos superiores a 10 MM suelen invertir de manera más recurrente.

4. Resumen Bivariado Cuantitativas - Regresiones Lineales simples, multiples y regresión logistica multiple

Correlaciones Lineales simples entre las variables cuantitativas y su influencia en el monto invertido

## [1] 0.144479

## [1] 0.09333871

## [1] 0.2583145

## [1] -0.02984937

Se encuentra que desde una correlacion lineal simple no hay correlación entre ninguna de las variables a la luz de la variable monto inversión.

Regresion Lineales simples entre las variables cuantitativas y su influencia en la cantidad de inversiones

## [1] 0.1549182

## [1] 0.09968228

## [1] 0.2861183

## [1] -0.02984937

Se encuentra que desde una correlacion lineal simple no hay correlación entre ninguna de las variables a la luz de la variable cantidad de inversiones.

#Grafico General de Correlaciones lineales

En el anterior grafico podemos observar que aunque dichas correlaciones no son significativas la relación entre las variables Ingresos mes y patrimonio y la relación entre las variables patrimonio y edad son más fuertes respecto a las demás.

Paso Cero:

Para facilidad de interpretación de las gráficas se pretende manejar una escala lo más similar posible por lo tanto se transformarán las variables de: ingreso mes , monto de inversión y patrimonio a millones dividiendo en un millón.

Paso 1 :

Realizamos un diagrama de las variables cuantitativas con sus distribuciones y correlaciones, para identificar magnitud y sentido de la relación entre ellas

Luego de analizar las diferentes correlaciones entre variables cuantitativas identificamos que la mayor correlación se presenta entre el patrimonio y la edad (0.44) le sigue la correlación que se da entre la cantidad de inversiones con el patrimonio (0.29 ) y la siguiente es la correlación que se da entre monto de inversión y patrimonio con un 0.26

Dentro de los objetivos que se han planteado en este proyecto se pretende encontrar un modelo que pueda predecir el valor del monto de inversión dado las variables dependientes con las que se cuenta. Viendo que el monto de inversión presenta una correlación alrededor del 0.26 (aunque es una correlación moderada), plantearemos preliminarmente un modelo de regresión lineal simple que relacione precisamente estas dos variables patrimonio y monto de inversión.

Paso 2:

Modelo de Regresion Lineal Simple

## 
## Call:
## lm(formula = MontoInversion ~ Patrimonio, data = BDa2censo)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -1.7563 -0.5720 -0.3720  0.2126  4.5592 
## 
## Coefficients:
##               Estimate Std. Error t value            Pr(>|t|)    
## (Intercept) 0.72589296 0.00856002   84.80 <0.0000000000000002 ***
## Patrimonio  0.00153797 0.00003587   42.88 <0.0000000000000002 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.034 on 25718 degrees of freedom
## Multiple R-squared:  0.06673,    Adjusted R-squared:  0.06669 
## F-statistic:  1839 on 1 and 25718 DF,  p-value: < 0.00000000000000022

## (Intercept)  Patrimonio 
## 0.725892957 0.001537974

El modelos obtenido tiene la forma:

MontoInversion = 0.72 + Patrimonio*0.0015 Evidenciamos que aunque tanto el coeficiente como el intercepto resultan ser significativos dentro del análisis, el R2 ajustado que nos arroja este modelo es muy bajo (6.6%). Es decir que solo el 6.6% de porcentaje de variación en la variable de respuesta ( monto inversion) es explicado por su relación con la variable predictora (Patrimonio)

Dado a este bajo desempeño del modelo de regresión lineal simple, buscaremos alternativas con un modelo de regresión múltiple incluyendo las otras variables o información disponible dentro de nuestra data. Intentaremos encontrar o predecir el monto de la inversión incluyendo la relación que puede existir con la edad del inversionista, con los ingresos mensuales, con la tasa a la cual se pacta el retorno de su inversión y otras variables que están bajo el análisis. Esperamos que con esto el desempeño del modelo sea mucho mejor.

paso 3:

Modelo de Regresión Lienal Multiple

## 
## Call:
## lm(formula = MontoInversion ~ Edad + Tasa + IngresosMes + Patrimonio + 
##     CantidadInversiones, data = BDa2censo)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -2.1659 -0.5821 -0.3297  0.2066  4.5504 
## 
## Coefficients:
##                        Estimate  Std. Error t value             Pr(>|t|)    
## (Intercept)          0.08695033  0.07034580   1.236                0.216    
## Edad                 0.00433078  0.00072268   5.993        0.00000000209 ***
## Tasa                 5.31433292  0.62444368   8.511 < 0.0000000000000002 ***
## IngresosMes          0.00584545  0.00054045  10.816 < 0.0000000000000002 ***
## Patrimonio           0.00157547  0.00004086  38.558 < 0.0000000000000002 ***
## CantidadInversiones -0.01042623  0.00054229 -19.226 < 0.0000000000000002 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.023 on 25714 degrees of freedom
## Multiple R-squared:  0.08625,    Adjusted R-squared:  0.08607 
## F-statistic: 485.4 on 5 and 25714 DF,  p-value: < 0.00000000000000022

##         (Intercept)                Edad                Tasa         IngresosMes 
##         0.086950331         0.004330777         5.314332923         0.005845453 
##          Patrimonio CantidadInversiones 
##         0.001575472        -0.010426229

El modelo de regresion multiple obtenido tiene la forma:

MontoInversion = 0.086 + Edad0.004 + Tasa5.31 + IngresosMes 0.0058 + Patrimonio0.0015 - CantidadInversiones*0.0104

Luego del análisis, podemos evidenciar que tanto el intercepto como los coeficientes de las variables predictoras: edad, tasa.ingresos mes, patrimonio, cantidad de inversiones son significativos ( a un nivel de significancia del 0.5%) la medida de desempeño R2ajustado sigue siendo muy bajo. Para este caso del modelo de regresión múltiple nos dio un 8.6% aproximadamente ( Solo el 8.6% de la variabilidad en los datos se puede explicar por el modelo). Es una leve mejoría con el modelo presentado anteriormente, pero va en contra del principio de parsimonia ya que hemos agregado y cuatro variables adicionales y la mejora fue prácticamente insignificante.

Propendiendo por el principio de parsimonia aplicaremos el algoritmo step para encontrar quizás una mejor combinación de variables que nos permitan un mejor índice de pérdida de información o AIC para un modelo de regresión múltiple

Luego de correr el algoritmo evidenciamos que el modelo que nos propone con menor pérdida de información AIC 1182.07 es el modelo que previamente hemos definido (modeloMultiple1), que incluye todas las variables predictoras cuantitativas

## Start:  AIC=1182.07
## MontoInversion ~ Edad + Tasa + IngresosMes + Patrimonio + CantidadInversiones
## 
##                       Df Sum of Sq   RSS    AIC
## <none>                             26917 1182.1
## - Edad                 1     37.59 26955 1216.0
## - Tasa                 1     75.82 26993 1252.4
## - IngresosMes          1    122.46 27040 1296.8
## - CantidadInversiones  1    386.95 27304 1547.2
## - Patrimonio           1   1556.24 28473 2625.7

## 
## Call:
## lm(formula = MontoInversion ~ Edad + Tasa + IngresosMes + Patrimonio + 
##     CantidadInversiones, data = BDa2censo)
## 
## Coefficients:
##         (Intercept)                 Edad                 Tasa  
##            0.086950             0.004331             5.314333  
##         IngresosMes           Patrimonio  CantidadInversiones  
##            0.005845             0.001575            -0.010426

#Paso4 Validacion de Supuestos Es muy importante al momento de realizar un modelo de regresión lineal validar el cumplimiento de los supuestos ya que podemos ya que sin esta validación podemos caer en la estimación de variables no confiables

1. Multicolinealidad

Los predictores deben ser independientes,no debe de haber colinialidad entre ellos , para validar esto calculamos FACTOR DE INFLACION DE LA VARIANZA(VIF)

##                Edad                Tasa         IngresosMes          Patrimonio 
##            1.241702            1.007372            1.035539            1.325390 
## CantidadInversiones 
##            1.095531

Este resultado para todas las variables predciotres no esta dando ligeramente mayor a 1 , por lo tanto hay un indicio de una posible colinialidad. Es relvante seguir evaluando los demas supuestos, par atebner la certeza q no se cumple y q no se podria usar un modelo de regresion como herramienta predicora.

Para evaluar la influencia que tienen los predictores sobre la variable dependiente

2. Relacion Lineal entre predictores y variable respuesta

Luego de graficar los residuos para cada variable predictora podemos identificar comportamientos aleatorios sobre el valor cero pero de alguna manera desiguales en los sentidos positivo y negativos. La gran mayoría de los residuos para cada variable predictora se encuentran por encima cero, No se cumple que se distribuyan en igual proporción alrededor del cero esto indicaría que este supuesto no se cumpliría

##3. Distribuciónnormaldelosresiduos

La media de los residuos nos da aproxidamente cero (-1.30e-16) , mas sin embargo la distribucion de los residuos estudentizados presentean una comportamiento anomalo ( gran parte de los residuos superan el limite de 2). Este comporamtiento lo podemos evidenciar en la grafica Normal QQplot donde es calro que los residus no se ajustan sobre la diagonal de los Quantiles teoricos , por lo tanto este supuesto tampoco se satisface.

## [1] -0.0000000000000001302145

Si la relación es lineal,los residuos se distribuyen de forma aleatoria entorno a cero

##4.Homocedasticidad

Para valdiar este supuesto acudiremos a realizar el test de Breusch-Pagan, el cual nos arrojo un p-value de 2.2e-16 , lo cual nso permite rechazr la hipotesis nula q existe varibilidad constante de los residuos. Es decir q no se presenta homcedasticidad, imcumpliendo asi el supuesto . Adcionalmente en la grafica podemos observar un incremnto en valor absoluto de los residuos estudentizados, confirmando la heterocedasticidad de los residuos.

## 
##  studentized Breusch-Pagan test
## 
## data:  modeloMultiple1
## BP = 1108.5, df = 5, p-value < 0.00000000000000022

## 
## Suggested power transformation:  -0.2003072

5.Independencia

Para validar esto supuesto , realizamos prueba Durbin Watson y evidecmoa q el p-value nos da ceor por lo tanto se rechaza la hipotesis nula , tambien podemos ver graficamente la que si existe autocorrelacion

##  lag Autocorrelation D-W Statistic p-value
##    1       0.9619126    0.07553598       0
##  Alternative hypothesis: rho != 0

Con animo ilustrativo y para confirmar se realiza una representación 3D de la regresión con solo dos variables predictoras ( edad y patrimonio)

## Loading required package: rgl

## 
## Call:
## lm(formula = z ~ x + y)
## 
## Coefficients:
## (Intercept)            x            y  
##    0.583237     0.004267     0.001436

Regresión logistica

De acuerdo a los objetivos planteados para el presente estudio existe un alto interés por parte de la compañía en conocer si existe alguna variable que nos permita predecir la fidelización de los clientes con el producto, entendiendo que la mejor variable que nos puede hablar de fidelización es la recurrencia de inversión. Por esto se analizarán las variables para identificar si alguna de ellas o un conjunto de ellas permiten predecir el comportamiento de inversión referente a la recurrencia.Siendo asi plantearemos un modelo de regresion logisitica que no permita estimar la probabilidad de recurrencia de un inversionista.

## 
## Attaching package: 'magrittr'

## The following object is masked from 'package:tidyr':
## 
##     extract

## 
## Call:
## glm(formula = Inv_Recurrente ~ MontoInversion + Edad + IngresosMes + 
##     Patrimonio + SectorCampaña + Propósito, family = binomial, 
##     data = training)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -2.0912  -0.8618  -0.6968   1.2166   2.1939  
## 
## Coefficients:
##                                                    Estimate Std. Error z value
## (Intercept)                                      -1.9246331  0.2979440  -6.460
## MontoInversion                                   -0.2243309  0.0166163 -13.501
## Edad                                              0.0173327  0.0017639   9.826
## IngresosMes                                       0.0092231  0.0013452   6.856
## Patrimonio                                        0.0022523  0.0001008  22.348
## SectorCampañaAlcantarillado                       0.2878625  0.3045023   0.945
## SectorCampañaAlojamiento Y Servicios De Comida   -0.0295437  0.2920597  -0.101
## SectorCampañaAutomotriz                           0.5099706  0.2968569   1.718
## SectorCampañaComercio al por mayor                0.3723162  0.2912361   1.278
## SectorCampañaComercio Al Por Menor                0.0446268  0.2923675   0.153
## SectorCampañaEducación                            1.0029118  0.3505771   2.861
## SectorCampañaEntretenimiento                      0.5914717  0.3454151   1.712
## SectorCampañaIndustrías Creativas Y Culturales    0.6087700  0.3732196   1.631
## SectorCampañaInformación y Comunicaciones         0.7096011  0.2925527   2.426
## SectorCampañaInmobiliarias                       -0.0060257  0.2926296  -0.021
## SectorCampañaInvestigación y Ciencias             0.1011636  0.2947185   0.343
## SectorCampañaManufactura                          0.4045251  0.2898151   1.396
## SectorCampañaSalud                                0.4026100  0.3058514   1.316
## SectorCampañaSaneamiento Ambiental               -0.2091516  0.3053564  -0.685
## SectorCampañaServicios Administrativos           -0.2422360  0.2926781  -0.828
## SectorCampañaServicios Domésticos                 0.8118238  0.3515981   2.309
## SectorCampañaServicios Energéticos                0.2204440  0.2981431   0.739
## SectorCampañaTransporte y Almacenamiento          0.1203064  0.3000769   0.401
## PropósitoAprender de financiación                 0.1616005  0.0884718   1.827
## PropósitoDiversificar mi portafolio de inversión  0.3406143  0.0533117   6.389
## PropósitoHacer parte de la comunidad a2censo -   -0.4472824  0.1410949  -3.170
## PropósitoRentabilizar portafolio de inversión    -0.0382445  0.0525907  -0.727
##                                                              Pr(>|z|)    
## (Intercept)                                          0.00000000010490 ***
## MontoInversion                                   < 0.0000000000000002 ***
## Edad                                             < 0.0000000000000002 ***
## IngresosMes                                          0.00000000000707 ***
## Patrimonio                                       < 0.0000000000000002 ***
## SectorCampañaAlcantarillado                                   0.34448    
## SectorCampañaAlojamiento Y Servicios De Comida                0.91943    
## SectorCampañaAutomotriz                                       0.08581 .  
## SectorCampañaComercio al por mayor                            0.20111    
## SectorCampañaComercio Al Por Menor                            0.87868    
## SectorCampañaEducación                                        0.00423 ** 
## SectorCampañaEntretenimiento                                  0.08683 .  
## SectorCampañaIndustrías Creativas Y Culturales                0.10286    
## SectorCampañaInformación y Comunicaciones                     0.01529 *  
## SectorCampañaInmobiliarias                                    0.98357    
## SectorCampañaInvestigación y Ciencias                         0.73141    
## SectorCampañaManufactura                                      0.16277    
## SectorCampañaSalud                                            0.18805    
## SectorCampañaSaneamiento Ambiental                            0.49338    
## SectorCampañaServicios Administrativos                        0.40787    
## SectorCampañaServicios Domésticos                             0.02095 *  
## SectorCampañaServicios Energéticos                            0.45967    
## SectorCampañaTransporte y Almacenamiento                      0.68848    
## PropósitoAprender de financiación                             0.06776 .  
## PropósitoDiversificar mi portafolio de inversión     0.00000000016686 ***
## PropósitoHacer parte de la comunidad a2censo -                0.00152 ** 
## PropósitoRentabilizar portafolio de inversión                 0.46710    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 24421  on 19289  degrees of freedom
## Residual deviance: 22772  on 19263  degrees of freedom
## AIC: 22826
## 
## Number of Fisher Scoring iterations: 4

Desde el modelo de regresion logistica ajustado se encuentra que el sector económico de la campaña es una variable con un nivel de significancia en la variable respuesta de recurrencia del inversionista. De la misma forma en que muestra significancia respecto a los propósitos de inversión de diversificacion del portafolio y el motivador de hacer crecer el capital.

De otro lado, las variables, monto inversión, edad, patrimonio e ingresos mes tambien muestran significancia respecto a la variable asociada a si el individuo es inversionista recurrente o no.

Probaremos con otros modelos descartando algunas variables con el animo de comparar el criterio de perdida de informacion AIC y escoger el mejor modelo

## 
## Call:
## glm(formula = Inv_Recurrente ~ MontoInversion + Edad + IngresosMes + 
##     Patrimonio, family = binomial, data = training)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -1.8052  -0.8464  -0.7460   1.2711   2.1235  
## 
## Coefficients:
##                   Estimate  Std. Error z value             Pr(>|z|)    
## (Intercept)    -1.57829952  0.06327048 -24.945 < 0.0000000000000002 ***
## MontoInversion -0.21313284  0.01633425 -13.048 < 0.0000000000000002 ***
## Edad            0.01583860  0.00172735   9.169 < 0.0000000000000002 ***
## IngresosMes     0.00831926  0.00125744   6.616      0.0000000000369 ***
## Patrimonio      0.00242873  0.00009816  24.744 < 0.0000000000000002 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 24421  on 19289  degrees of freedom
## Residual deviance: 23218  on 19285  degrees of freedom
## AIC: 23228
## 
## Number of Fisher Scoring iterations: 4

## 
## Call:
## glm(formula = Inv_Recurrente ~ MontoInversion + Edad + IngresosMes + 
##     Patrimonio, family = binomial, data = training)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -1.8052  -0.8464  -0.7460   1.2711   2.1235  
## 
## Coefficients:
##                   Estimate  Std. Error z value             Pr(>|z|)    
## (Intercept)    -1.57829952  0.06327048 -24.945 < 0.0000000000000002 ***
## MontoInversion -0.21313284  0.01633425 -13.048 < 0.0000000000000002 ***
## Edad            0.01583860  0.00172735   9.169 < 0.0000000000000002 ***
## IngresosMes     0.00831926  0.00125744   6.616      0.0000000000369 ***
## Patrimonio      0.00242873  0.00009816  24.744 < 0.0000000000000002 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 24421  on 19289  degrees of freedom
## Residual deviance: 23218  on 19285  degrees of freedom
## AIC: 23228
## 
## Number of Fisher Scoring iterations: 4

De acuerdo a lo anterior encontramos que el modelo en donde menor pérdida de información es el designado con nombre: logMultiple , en donde el AIC es de 22826. Asociado a las variables MontoInversion + Edad + IngresosMes + Patrimonio + SectorCampaña + Propósito . No obstatne dentro de las variables cualitativas no todas sus categorías tienen un nivel de significancia relevante, por ejemplo para la variable sector de campaña, las categorías de variables con mayor nivel de significancia son: Educación, Información y Comunicación, y Servicios Domésticos. Para el caso del propósito se destacan: Diversificar Portafolio y Pertenecer a la comunidad de a2censo.

Resultando un modelo de la forma:

Inv_Recurrente = e (-1,925-0,0000002243MontoInversion+0,01733Edad+0,000000009223IngresosMes+0,000000002252Patrimonio+0,2879SectorCampañaAlcantarillado-0,02954SectorCampañaAlojamiento Y Servicios De Comida+0,51SectorCampañaAutomotriz+0,3723SectorCampañaComercio al por mayor+0,04463SectorCampañaComercio Al Por Menor+1,003SectorCampañaEducación+0,5915SectorCampañaEntretenimiento+0,6088SectorCampañaIndustrías Creativas Y Culturales+0,7096SectorCampañaInformación y Comunicaciones-0,006026SectorCampañaInmobiliarias+0,1012SectorCampañaInvestigación y Ciencias+0,4045SectorCampañaManufactura+0,4026SectorCampañaSalud-0,2092SectorCampañaSaneamiento Ambiental-0,2422SectorCampañaServicios Administrativos+0,8118SectorCampañaServicios Domésticos+0,2204SectorCampañaServicios Energéticos+0,1203SectorCampañaTransporte y Almacenamiento+0,1616PropósitoAprender de financiación+0,3406PropósitoDiversificar mi portafolio de inversión-0,4473PropósitoHacer parte de la comunidad a2censo-0,03824PropósitoRentabilizar portafolio de inversión) / (1+e(-1,925-0,0000002243MontoInversion+0,01733Edad+0,000000009223IngresosMes+0,000000002252Patrimonio+0,2879SectorCampañaAlcantarillado-0,02954SectorCampañaAlojamiento Y Servicios De Comida+0,51SectorCampañaAutomotriz+0,3723SectorCampañaComercio al por mayor+0,04463SectorCampañaComercio Al Por Menor+1,003SectorCampañaEducación+0,5915SectorCampañaEntretenimiento+0,6088SectorCampañaIndustrías Creativas Y Culturales+0,7096SectorCampañaInformación y Comunicaciones-0,006026SectorCampañaInmobiliarias+0,1012SectorCampañaInvestigación y Ciencias+0,4045SectorCampañaManufactura+0,4026SectorCampañaSalud-0,2092SectorCampañaSaneamiento Ambiental-0,2422SectorCampañaServicios Administrativos+0,8118SectorCampañaServicios Domésticos+0,2204SectorCampañaServicios Energéticos+0,1203SectorCampañaTransporte y Almacenamiento+0,1616PropósitoAprender de financiación+0,3406PropósitoDiversificar mi portafolio de inversión-0,4473PropósitoHacer parte de la comunidad a2censo-0,03824PropósitoRentabilizar portafolio de inversión))

Predicciones

Elaboramos las respectivas predicciones de acaurdo al modelo escogido para evalaur el desempeño del mismo

Tambien definimos el valor del punto de corte o treshold para determinar la clasificaicon de la variable respuesta, con la funcion optCutOff, q nos permite determinar de manera automatica el punto de corte para la clasificacio de las observaciones del modelo propuesto.

## [1] 0.4576869

matriz de confusion

Por medio de la siguente matriz de confusion podemos evalaur el ajsute del modelo , tomado como criterio de corte el valor estimado 0.457 en el paso anterior.

Sensibilidad y especificidad

## [1] 0.2728134

Se concluye que el modelo acertó en el 27% de las observaciones de verdaderos positivos ( Grado de Sensibilidad), es decir solo identifica un 27% de los positivos reales

## [1] 0.890707

La especificidad mide la tasa de verdadero negativos, es decir para este caso el modelo identifica el 89% de los negativos reales

Curva ROC

La curva característica operativa o curva ROC permite identificar el rendimiento de un clasificador, en este caso el modelo de regresión logística. El área bajo la curva mide la relación entre la tasa de verdaderos positivos y la tasa de falsos positivos (1-Especificidad) en varios valores de umbral

El criterio de precision del modelo concluye que el 68% de las observaciones son acertadas. Y asu vez son evidencia de un modelos q no presta un nivel adecudo para la toma de decisiones.

A pesar de haber escogido un modelos con el menor criterio de pérdida de informacion aún el nivel de precision no es suficiente para tomar decisiones fiables en el futuro.

Muestreo

## [1] 37.04

## [1] 92.59374

## [1] 0.18

## [1] 0.42

## [1] 1.13

## [1] 92.59 36.21

## [1] 37.18177

## [1] 0

## [1] 0

## [1] 0

## [1] 0.9673676

## [1] 24194.8

## [1] 4.91

## [1] 24880.69

## Loading required package: sp

## Please note that rgdal will be retired by the end of 2023,
## plan transition to sf/stars/terra functions using GDAL and PROJ
## at your earliest convenience.
## 
## rgdal: version: 1.5-32, (SVN revision 1176)
## Geospatial Data Abstraction Library extensions to R successfully loaded
## Loaded GDAL runtime: GDAL 3.3.2, released 2021/09/01
## Path to GDAL shared files: C:/Program Files/R/R-4.2.0/library/rgdal/gdal
## GDAL binary built with GEOS: TRUE 
## Loaded PROJ runtime: Rel. 7.2.1, January 1st, 2021, [PJ_VERSION: 721]
## Path to PROJ shared files: C:/Program Files/R/R-4.2.0/library/rgdal/proj
## PROJ CDN enabled: FALSE
## Linking to sp version:1.4-7
## To mute warnings of possible GDAL/OSR exportToProj4() degradation,
## use options("rgdal_show_exportToProj4_warnings"="none") before loading sp or rgdal.

## 
## Attaching package: 'rgdal'

## The following object is masked from 'package:fBasics':
## 
##     getDescription

## Linking to GEOS 3.9.1, GDAL 3.3.2, PROJ 7.2.1; sf_use_s2() is TRUE

## Warning in OGRSpatialRef(dsn, layer, morphFromESRI = morphFromESRI, dumpSRS =
## dumpSRS, : Discarded datum Marco_Geocentrico_Nacional_de_Referencia in Proj4
## definition: +proj=longlat +ellps=GRS80 +towgs84=0,0,0,0,0,0,0 +no_defs

## OGR data source with driver: ESRI Shapefile 
## Source: "D:\Scripts_SQL\ProyectoEstadistica\ProyectoEstadistica\Sergio\MGN2021_DPTO_POLITICO", layer: "MGN_DPTO_POLITICO"
## with 33 features
## It has 9 fields

## Reading layer `MGN_DPTO_POLITICO' from data source 
##   `D:\Scripts_SQL\ProyectoEstadistica\ProyectoEstadistica\Sergio\MGN2021_DPTO_POLITICO\MGN_DPTO_POLITICO.shp' 
##   using driver `ESRI Shapefile'
## Simple feature collection with 33 features and 9 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: -81.73562 ymin: -4.229406 xmax: -66.84722 ymax: 13.39473
## Geodetic CRS:  MAGNA-SIRGAS

## 
## Attaching package: 'raster'

## The following object is masked from 'package:plotly':
## 
##     select

## The following object is masked from 'package:MASS':
## 
##     select

## The following object is masked from 'package:dplyr':
## 
##     select

## 
## Attaching package: 'leaflet'

## The following object is masked from 'package:xts':
## 
##     addLegend

## To enable caching of data, set `options(tigris_use_cache = TRUE)`
## in your R script or .Rprofile.

## 
## Attaching package: 'tigris'

## The following object is masked from 'package:igraph':
## 
##     blocks

## `summarise()` has grouped output by 'Departamento'. You can override using the
## `.groups` argument.

## Warning: We recommend using the dplyr::*_join() family of functions instead.

## Warning: `group_by_()` was deprecated in dplyr 0.7.0.
## Please use `group_by()` instead.
## See vignette('programming') for more help
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was generated.

## Warning: sf layer has inconsistent datum (+proj=longlat +ellps=GRS80 +towgs84=0,0,0,0,0,0,0 +no_defs).
## Need '+proj=longlat +datum=WGS84'

Crowfunding en el Mercado de Capitales Colombiano - Proyecto de Estadística para la Analítica de Datos

Sergio Castañeda, Guillermo Castillo, Alexander Guecha

18/05/2022